Pandas分组与排序

经常需要将数据根据某个字段划分为不同的组（group）进行分析，然后对组里的数据进行特定的操作。pandas的**groupby()**操作便是实现这一功能。
groupby的过程就是将原有的DataFrame按照groupby的字段，划分为若干个分组DataFrame，被分为多少个组就有多少个分组DataFrame。所以说，在groupby之后的一系列操作（如agg、apply等），均是基于子DataFrame的操作。

分组

import pandas as pd
import math
data = pd.DataFrame({"country":["Russian","China","America","Brazil","China","Japan","America"],"plane":[1170, 960, 980,800,math.nan,300,3244],"Population":[1,13,math.nan,2,14,3,5]})
data
"""
country	plane	Population
0	Russian	1170.0	1.0
1	China	960.0	13.0
2	America	980.0	NaN
3	Brazil	800.0	2.0
4	China	NaN	14.0
5	Japan	300.0	3.0
6	America	3244.0	5.0
"""

group = data.groupby("country")
list(group)
"""
[('America',
     country   plane  Population
  2  America   980.0         NaN
  6  America  3244.0         5.0),
 ('Brazil',
    country  plane  Population
  3  Brazil  800.0         2.0),
 ('China',
    country  plane  Population
  1   China  960.0        13.0
  4   China    NaN        14.0),
 ('Japan',
    country  plane  Population
  5   Japan  300.0         3.0),
 ('Russian',
     country   plane  Population
  0  Russian  1170.0         1.0)]
"""
## 使用groupby后可以在子dataframe上应用 count,mean,unique等统计方法
data.groupby("country").plane.count()
# 以 country进行分组，然后计算每个country的plane
# output
"""
country
America    2
Brazil     1
China      1
Japan      1
Russian    1
Name: plane, dtype: int64
"""

agg()

agg是groupby()用得最多的一种方法。agg()可以同时在一个dataframe上应用多个不同的函数。

# 计算plane的最大值和最小值
data.groupby("country").plane.agg([min,max])

# output
"""
min	max
country		
America	980.0	3244.0
Brazil	800.0	800.0
China	960.0	960.0
Japan	300.0	300.0
Russian	1170.0	1170.0
"""

排序

groupby()的方法的返回结果，其行的排列顺序是以index value来进行排序的。我们可以使用sort_values"方法对其顺序进行自定义
sort_index方法 以 index value大小进行排列

country_min = data.groupby("country").plane.agg([min])
print(country_min)
#output
"""
            min
country        
America   980.0
Brazil    800.0
China     960.0
Japan     300.0
Russian  1170.0
"""

country_min.sort_values(by="min",ascending=False)
"""
min
country	
Russian	1170.0
America	980.0
China	960.0
Brazil	800.0
Japan	300.0
"""
country_min.sort_index(ascending=False)
# output
"""
	min
country	
Russian	1170.0
Japan	300.0
China	960.0
Brazil	800.0
America	980.0
"""

参考：
（1）https://www.kaggle.com/learn/pandas
（2）https://zhuanlan.zhihu.com/p/101284491